Semi-overvåget Beslutningstræ
Et semi-overvåget beslutningstræ udvider standard beslutningstræsinduktion — såsom CART eller C4.5 — til at udnytte umærkede observationer sammen med det mærkede træningssæt. Ved iterativt at tildele foreløbige mærkater til umærkede data og inkorporere dem i den voksende eller splittende proces, kan algoritmen opnå bedre nøjagtighed end et fuldt overvåget træ trænet alene på den mærkede delmængde, hvilket er især værdifuldt, når mærkning er dyrt eller tidskrævende.
Læs hele metoden
Log ind med en gratis konto for at læse dette afsnit.
Method map
The neighbourhood of related methods — select a node to explore.
Kilder
- Levin, E. & Shapiro, E. (2000). Learning Decision Trees from Semi-labeled Examples. Proceedings of the ICML Workshop on Attribute-Value and Relational Learning. link ↗
- Zhu, X. & Goldberg, A. B. (2009). Introduction to Semi-Supervised Learning. Morgan & Claypool Publishers. ISBN: 978-1-598-29548-9
Sådan citerer du denne side
ScholarGate. (2026, June 3). Semi-supervised Decision Tree Learning. ScholarGate. https://scholargate.app/da/machine-learning/semi-supervised-decision-tree
Which method?
Set this method beside its closest kin and read them side by side — the library lays the books on the table; the choice is yours.
- BeslutningstræMaskinlæring↔ compare
- Gradient BoostingMaskinlæring↔ compare
- Label PropagationMaskinlæring↔ compare
- Random ForestMaskinlæring↔ compare
Refereret af
Har du fundet en fejl på denne side? Indberet den eller foreslå en rettelse →